Identificação de espécies vegetais por meio da análise do contorno foliar - uma abordagem bio-inspirada

Abstract

À Deus, pela oportunidade oferecida por meio das "coincidências" que surgiram nos caminhos que escolhi, permitindo a realização de 11111 sonho quase esquecido... À minha amada esposa Silvia, por ter menos juízo do que eu me incentivando 11a decisão de fazer mestrado, e ter aguentado e continuar aguentando firme todas as consequências que esta decisão deflagrou, e o mais importante, por ser simplesmente minha esposa. Aos meus filhos, pela beleza e ingenuidade de seus sorrisos-me dando forças para continuar sorrindo não importando qual situação me encontre. Aos meus pais Vincenzo e Nair, pelo exemplo de vida, pela minha educação, por tudo que sou como pessoa e por tudo que fizeram por mim e continuam fazendo. Aos meus irmãos Flávio e Mareio, por estarem sempre disponíveis a me ajudarem-grandes irmãos. Ao meu orientador Prof. Dr. Odemir Martinez Bruno, pela confiança depositada em mim, orientação e amizade. A Profa. Dra. Roseli Aparecida Francelin Romero pela ajuda dada 110 assunto de redes neurais. Aos amigos que fiz neste período: Mário, Menotti, Rogério (obrigado pelas dicas), Vanderlei, Rodrigo, Júlio, Christian e outros mais que agora me fogem à memória. Ao Prof. Dr. Giancarlo e Dr. Juliano de Pádua-ESALQ/USP, pelas imagens de passifloras cedidas e pelos trabalhos desenvolvidos em conjunto. A Elizabeth, Laura e Ana Paula da seção de pós-graduação, por serem sempre prestativas e atenciosas. Aos professores e funcionários do ICMC-USP e a todos que, direta ou indiretamente, colaboraram comigo. A Capes pelo apoio financeiro de parte deste trabalho. 4 Procedimentos experimentais 4.1 Uma visão geral do problema 4.2 Sobre as amostras 4.3 Pré-processamento e obtenção dos sinais 4.4 Filtragem pelo método leave-one-out 4.4.1 A configuração de rede adotada 60 4.4.2 Aplicando o método leave-one-out como um filtro 60 4.5 Geração das amostras artificiais 4.5.1 Divisão das Amostras em duas famílias 4.5.2 Cruzamentos e Mutações 4.5.3 Seleção dos contornos artificiais 4.5.4 Geração das imagens 4.6 Geração, treinamento e teste das redes neurais 4.7 Validação das redes geradas com amostras reais 4.8 Considerações Finais Lista de Tabelas 4.1 Acrónimos utilizados para composição dos nomes dos arquivos de assinaturas. 4.2 Exemplo das oito assinaturas primárias geradas de uma imagem 4.3 Acrónimos utilizados para nomeação dos arquivos de sinais no domínio da frequência 4.4 Exemplo das oito assinaturas secundárias geradas de uma imagem 5.1 Aproveitamento das amostras artificiais geradas, em valores percentuais.. 5.2 Classes com os máximos percentuais obtidos por um classificador-por tipo de assinatura. Os tipos de marcadores que antecedem cada nome de classe significam: classificador previsto e obtido (+) , classificador não previsto (-) e classificador previsto e não obtido (!) 75 5.3 Distribuição de classificadores por tipo de assinaturas. Os tipos de marcadores que antecedem cada nome de classe significam: classificador previsto e obtido (+) , classificador não previsto (-) e classificador previsto e não obtido (!) 5.4 Distribuição ...

Identificação de espécies vegetais por meio da análise de textura foliar

“…O TreeVis apresenta quatro pilares fundamentais [34], são eles (i) Exploração sistemática das características das folhas por meio de um vasto número de atributos, isto é, são utilizados 165 elementos de medidas para compor um vetor de características, sendo distribuídos nas seguintes categorias: geometria, cor, forma e textura/complexidade. (ii) Sinergismo obtido pela combinação dos atributos presentes no vetor de características, onde a associação das características pode trazer melhores resultados do que cada parte individualmente; (iii) Análise estatística, na qual se baseia a classificação e o reconhecimento.…”

“…O ponto fundamental explorado pelo TreeVis (como ferramenta de visão computacional) é a obtenção de um vetor de características representativas (módulo 3 apresentado acima), isto é, que melhor diferencie os objetos a serem reconhecidos [34]. No sistema atual, uma folha para ser reconhecida necessita ser representada por um vetor de 165 elementos, dentre os quais apenas 30 desses (18%) são referentes à textura da folha.…”

“…A proposta é estudar os métodos constituintes do estado da arte que melhor se adaptem ao problema apresentado de descrição e caracterização das folhas, trazendo assim melhores resultados para o módulo de textura/complexidade. Assim, sinergicamente com os aprimoramentos já realizados do TreeVis pelos trabalhos de Plotze [77], que utilizou a análise e identificação de espécies vegetais através das características internas de seus órgãos foliares (foco concentrado no conjunto de nervuras e esqueleto) e no trabalho de Falvo [34], que abordou o contorno foliar para identificação de espécies, espera-se conseguir um melhor percentual de acerto na classificação e ferramentais interessantes aplicáveis à biotecnologia e laboratórios morfofisiológicos.…”

“…Diagrama de blocos apresentando os módulos que compõem o sistema TreeVis e suas respectivas conexões[34].…”

Identificação de espécies vegetais por meio de análise de imagens microscópicas de folhas

“…O Projeto TreeVis incorpora atualmente a identificação de vegetais por meio de análise da forma interna dos órgãos foliares e análise de contorno foliar (Plotze, 2004;Falvo, 2005). Essas metodologias baseiam-se na exploração sistemática dos atributos obtidos das folhas e na análise estatística, o que implica que os resultados obtidos são aproximações diretamente relacionadas à sinergia da combinação das características obtidas (Falvo, 2005).…”